Dissertação
Lynceus: Long-Sighted, Budget-Aware Online Tunning of Cloud Applications EVALUATED
Os fornecedores de serviços de computação na nuvem têm vindo a aumentar a diversidade das plataformas que disponibilizam, nomeadamente em termos de poder de cálculo, quantidade de memória, capacidade de armazenamento e de largura de banda da rede. Por um lado, esta diversidade oferece mais opções ao utilizador mas, por outro, torna a tarefa de escolher a configuração certa muito mais complexa, visto que configurações com desempenho semelhante podem ter custos muito diferentes, e nem sempre é fácil antecipar qual a configuração mais barata que satisfaz os requisitos da aplicação. Neste contexto, o estudo de técnicas que permitam automatizar o processo de seleção da melhor configuração para executar uma dada aplicação na nuvem tem vindo a ganhar relevo. As abordagens recentes para identificar a configuração ótima para correr trabalhos na nuvem baseiam-se numa fase de exploração durante a qual a aplicação é executada num conjunto diverso de configurações. Estes sistemas conseguem encontrar a configuração próxima da ótima. No entanto, não consideram o custo da fase de exploração, que pode ser significativo. Esta dissertação estuda técnicas de procura que têm em conta o custo de exploração. Propomos um algoritmo que permite reduzir o custo da exploração através de uma criteriosa escolha das configurações a experimentar, que tem em conta o custo de cada experiência e a contribuição esperada da mesma para a exatidão do modelo que prevê as próximas explorações. Os resultados da nossa avaliação mostram que a solução proposta é capaz de encontrar configurações perto da ótima com baixo custo.
novembro 30, 2018, 14:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar